53.python之正则表达式

正则表达式

	通过匹配规则来获取或者验证字符串中的数据

应用场景：

• 判断一个字符串是否符合规则
• 取出制定数据
• 爬虫核心的技术
• 彩票网站匹配彩票信息

匹配字符串的需要条件：

• 正则表达式模块-re
• 匹配的规则，即正则表达式
• 被匹配的字符串

正则表达式中特殊字符

例：

import re

a = 'my name is zs,age is 18'
print(f'字符串：{a}')

# 匹配字符串开头和结尾
# 匹配到则返回列表(列表中有匹配到的字符串)，匹配不到则显示空列表
b1 = re.findall('\Amy', a)
print(f'\A匹配字符串开头my：{b1}')
b2 = re.findall('\Amy1', a)
print(f'\A匹配字符串开头my1：{b2}')
b3 = re.findall('18\Z', a)
print(f'\Z匹配字符串结尾18：{b3}')

b4 = re.findall('\w', a)
print(f'\w匹配字符串数字字母和下划线：{b4}')

b5 = re.findall('\s', a)
print(f'\s匹配任意空白字符：{b5}')

b6 = re.findall('\d', a)
print(f'\d匹配任意数字：{b6}')

结果：

正则表达式中的符号

例：

import re

a = 'my name is zs,age is 18'
print(f'字符串：{a}')


b1 = re.findall('^my', a)
print(f'^匹配字符串开头my：{b1}')
b2 = re.findall('^my1', a)
print(f'^匹配字符串开头my1：{b2}')
b3 = re.findall('18$', a)
print(f'$匹配字符串结尾18：{b3}')

# 或的关系，匹配到的数据只按字符串顺序返回，而不是按照匹配规则返回
b4 = re.findall('am|ag|my', a)
print(f'|,或的关系,存在就捕获：{b4}')

b5 = re.findall('\w*', a)
print(f'\w*匹配0次或多次数字字母：{b5}')

b6 = re.findall('\w+', a)
print(f'\w+匹配1次或多次数字字母：{b6}')

b7 = re.findall('\w{2}', a)
print(f'\w{2}匹配2次数字字母：{b7}')

b8 = re.findall('\w{2,3}', a)
print(f'\w{2,3}匹配2到3次数字字母：{b8}')

b9 = re.findall('[a1]', a)
print(f'[a1]匹配a或1：{b9}')

b10 = re.findall('[0-9]', a)
print(f'[0-9]匹配数字：{b10}')

结果：

贪婪与非贪婪

• 0次或多次属于贪婪模式
• 通过?组合变成非贪婪模式

组的概念：

• ()：只要指定的数据进行匹配

例：

import re

a = 'my name="zhangsan" age="18"'
print(f'字符串：{a}')

# .*表示匹配0次或多次任意字符(除换行符)
# 这种是贪婪模式，匹配的是第一个"到最后一个"之间的内容
b1 = re.findall('="(.*)"', a)
print(b1)

# 加上？非贪婪模式，匹配第一个"到第二之间，再第二到第三之间的...
b2 = re.findall('="(.*?)"', a)
print(b2)

结果：

findall()

• 查找字符串中所有（非重复）出现的正则表达式模式，并返回一个匹配列表

findall(pattern, string[,flags])

参数：

• pattern：正则表达式
• string：被匹配的字符串
• flags：选填参数，额外匹配规则

re的额外匹配要求

例：

import re

a = 'aBcD'
print(f'字符串：{a}')

# 匹配小写字母
b1 = re.findall('[a-z]', a)
print(b1)

# 匹配小写字母，使用特殊符合忽略大小写
b2 = re.findall('[a-z]', a, re.I)
print(b2)

结果：

search()

• 使用可选标记搜索字符串中第一次出现的正则表达式模式。
• 若匹配成功，则返回匹配对象；
• 若失败，则返回None

search(pattern,string,flags=0)

参数：

• pattern：正则表达式
• string：被匹配的字符串
• flags：选填参数，额外匹配规则

group()与groups()

• group(num)：返回整个匹配对象，或者编号为num的特定子组
• groups()：返回一个包含所有匹配子组的元组，若没有匹配成功，则返回一个空元组

例：

import re

a = 'my name is zhangsan,age is 18'
print(f'字符串：{a}')

b1 = re.search('my name is (.*),age is (.*)', a)
print(b1.groups())
print(b1.group(1))
print(b1.group(2))

结果：

split()

• 根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的列表，分割最多操作max次（max默认为0，表示分割所有匹配成功的位置）

split(pattern,string[, maxsplit=0, flags=0])

参数：

• pattern：正则表达式
• string：被匹配的字符串
• maxsplit：选填参数，最多分割次数
• flags：选填参数，额外匹配规则

例：

import re

a = 'a1b2c3d'
print(f'字符串：{a}')

# 匹配小写字母
b1 = re.findall('[a-z]', a)
print(b1)

# 使用小写字母进行切割，若前后默认为空
b2 = re.split('[a-z]', a)
print(b2)

结果：

match

• 尝试从字符串的起始位置匹配一个模式
• 如果匹配成功， 就返回匹配对象； 如果失败， 就返回 None

match(pattern,string,flags=0)

例：

import re

a = 'a1b2c3d'
print(f'字符串：{a}')

# 在起始位置匹配成功
b1 = re.match('a1', a)
print(b1)
print(b1.group())

print('---------')

# 在起始位置匹配失败
b2 = re.match('a2', a)
print(b2)

结果：

compile

• 定义一个匹配规则的对象

compile(pattern,flags=0)

例：

import re

a = 'abcd'
print(f'字符串：{a}')

# 匹配小写字母
c = re.compile('[a-z]')
b1 = re.findall(c, a)
print(b1)

结果：